WeDoSoft
고객 경험 전략

Andrew McAfee : 생성 AI를 빠르게 추적하는 4단계

We Do Soft

MIT 연구원이자 저자인 Andrew McAfee가 AI 세대를 앞서가기 위한 '최소 실행 가능한 계획'에 대해 설명합니다.

조직이 생성 AI로 저지를 수 있는 가장 큰 실수는 방관하는 것입니다. ​ MIT Sloan School of Management의 수석 연구 과학자이자 생성 AI 회사인 Workhelix 의 공동 창립자인 Andrew McAfee에 따르면 다음과 같습니다 . “이렇게 강력한 기술이 실습을 통해 배워야 하는 상황에 등장할 때, 이를 수행하지 않을 이유를 찾는 것은 꽤 큰 실수입니다.” 라고 그는 말합니다. ​ 출시 첫 해에 이 기술이 대량 수용되었음에도 불구하고(최근 VentureBeat 보고서 에 따르면 조사 대상 기술 기업 4곳 중 3곳이 이미 어떤 방식으로든 이 기술을 사용하고 있음) 대부분의 조직은 대량 도입에 대해 여전히 신중한 태도를 취하고 있습니다. Gartner가 조사한 기업 위험 경영진의 3분의 2는 AI를 새로운 최고 위험으로 간주합니다 . 가장 큰 우려 사항은 공개적으로 사용 가능한 생성 AI 모델을 통해 지적 재산을 노출하고, 사용자의 개인 데이터를 제3자 공급업체 또는 서비스 제공업체에 공개하고, 범죄 해커로부터 AI 자체를 보호하는 것입니다. ​ McAfee는 그러한 위험을 관리할 수 있다고 반박합니다. ​ "이러한 위험은 다른 대규모 데이터베이스 기술 프로젝트에서 걱정해야 할 사항입니다. 하지만 무서운 것은 아니며 얻을 수 있는 것이 많습니다."라고 최근 "The Geek Way : The Radical"을 출판한 McAfee는 말합니다. 탁월한 결과를 이끌어내는 사고방식 .” 물론 생성 AI의 잠재적 이점은 엄청납니다. 여기에는 직원 생산성 향상, 수십 가지 기업 기능 전반의 품질 및 일관성 향상, 고객과 직원을 위한 향상된 개인화, 비용 절감이 포함됩니다. ​ McAfee는 "생성 AI에 필요한 계획 수준이 있지만 실행 가능한 최소 계획에 대한 아이디어도 있습니다. 전략이 무엇인지, 수행하려는 노력의 순서가 무엇인지 파악한 다음 뛰어들어라.” ​ 생성적 AI 애플리케이션의 기회를 식별하고 잠재적인 ROI를 결정하기 위해 McAfee는 CIO 및 기타 고위 리더가 다음 네 가지 기본 단계를 고려할 것을 권고합니다. ​

1. 기존 지식작업 일자리 목록 작성

생성적 AI는 고객 서비스 상담원, 프로그래머, 마케팅 담당자, 변호사 등 기업 내 거의 모든 지식 근로자 역할에 유용하다고 McAfee는 말합니다. 이 기술은 해당 직업 내에서 언어 기반 작업에 가장 적합합니다. ​ McAfee는 "시작하는 방법은 조직에서 수행되는 다양한 작업에 대해 생각한 다음 해당 작업의 작업 중 몇 퍼센트가 생성 AI를 사용할 수 있는지 대략적으로 파악하는 것입니다."라고 말합니다. 시작하기 좋은 곳은 많은 작업의 생산성이 크게 향상될 수 있는 직업부터 시작하는 것입니다.”
좋은 기본 규칙은 작업자가 언어로 더 많은 작업을 수행할수록 더 많은 생성적 AI가 해당 사람을 지원할 수 있다는 것입니다. -앤드루 맥아피-
예를 들어, 작성 중인 항목이 HR 직원 검토와 같이 잘 정립된 템플릿을 따르는 경우 매번 처음부터 시작하는 이유는 무엇입니까? McAfee는 말합니다. "생성 AI가 먼저 작업을 수행하고, 편집하고, 공백을 채운 다음 인간 작업자가 검토하도록 하면 어떨까요?" 그는 말한다. ​ 기타 글쓰기 및 언어 기반 작업에는 재무 보고서 요약, 이메일 및 뉴스레터 작성, 소프트웨어 코딩이 포함됩니다 . "좋은 기본 규칙은 작업자가 언어로 더 많은 작업을 수행할수록 더 많은 생성적 AI가 해당 사람을 지원할 수 있다는 것입니다."라고 그는 말했습니다. 이를 통해 숙련된 작업자는 높은 수준의 전략적 작업에 집중할 수 있고 신규 작업자의 기준은 낮아집니다. “최근까지 기술이 인간의 언어를 처리하는 데 매우 형편없었기 때문에 그것은 매우 터무니없는 일입니다. 지금은 꽤 괜찮아요.” ​

2. 기성 AI를 고려해보세요

Gen AI 애플리케이션에 적합한 역할을 식별한 후 개인이 "유능하지만 순진한 Gen AI 보조자"를 갖는 것으로부터 이익을 얻을 수 있는지 고려하십시오. McAfee는 조직에 관한 모든 것을 말합니다. 이러한 유형의 AI 도우미는 사전 구축된 기성 AI 솔루션을 통해 제공될 수 있습니다. ​ McAfee는 "회사의 새로운 코더는 매우 쉽게 생산성을 높일 수 있습니다."라고 말합니다. 소프트웨어를 테스트하거나 오류를 디버그하기 위해 코드 조각을 작성할 때 코더는 이를 디지털 보조 장치에 전달할 수 있으며 디지털 보조 장치는 이를 빠르고 효과적으로 수행할 수 있다고 덧붙입니다. ​ 공개적으로 사용 가능한 LLM(대형 언어 모델)은 코드를 작성하거나 프로젝트 관리 계획을 작성하는 등 일종의 순진한 도우미 역할을 할 수 있습니다. 조직의 시스템 통합 요구 사항이나 다른 작업자가 어떤 프로젝트를 진행하고 있는지는 알 수 없지만 해당 정보는 현재 작업을 수행하는 데 거의 필요하지 않습니다. ​

3. 맞춤형 AI를 고려해보세요

Gen AI에 적합한 일부 지식 작업에는 더 숙련된 디지털 보조자가 필요합니다. 고객 서비스 상담원에게는 베테랑만이 제공할 수 있는 제도적 지식과 사건 해결 전문 지식이 필요합니다. ​ McAfee는 “고객의 문제를 해결하려는 경우 멘토나 코치와 같이 고객의 문제를 해결하는 방법을 귀에 대고 속삭여줄 숙련된 보조자가 필요할 수 있습니다.”라고 말합니다. ​ 이러한 경우 기성 생성 AI 시스템만으로는 충분하지 않습니다. 조직에서는 이를 내부 데이터에 대해 훈련된 다른 시스템과 결합하여 보다 숙련된 보조자의 결과를 달성해야 한다고 McAfee는 말합니다. 이러한 맞춤형 AI에는 회사의 요구 사항에 맞게 AI를 맞춤화하기 위해 조직이 특정 데이터 세트에 대한 모델을 교육하는 보다 상세한 개발 프로세스가 필요합니다. ​ 이 데이터 중 일부에는 추천 및 고객 지원을 개인화하기 위해 인구 통계 및 구매 행동과 같은 고객 정보가 포함될 수 있습니다. 우려 사항을 적극적으로 해결하거나 긍정적인 피드백을 활용하기 위한 고객 피드백의 정서 분석 응답의 정확성을 높이기 위해 동향 및 전문 용어와 같은 산업별 지식을 제공합니다. 고객에게 추천을 제공하기 위한 제품 또는 서비스 데이터. ​

4. 잠재적인 프로젝트의 우선순위를 정하세요

순진하거나 숙련된 디지털 보조자에게 가장 적합한 역할을 파악한 후 리더는 가장 유망한 Gen AI 프로젝트를 파악하고 우선순위를 지정해야 한다고 McAfee는 말합니다. ​ "가장 생산성 이점을 찾을 수 있는 부분과 생성 AI로 처리할 수 있는 작업의 비율을 생각해 보세요."라고 그는 말합니다. McKinsey 조사 에 따르면 생성적 AI 사용 사례가 제공할 수 있는 가치의 약 75%는 고객 운영, 마케팅 및 영업, 엔지니어링, R&D 등 4개 영역에 걸쳐 있습니다. 예를 들어, 고객 운영에 새로운 도구를 적용하는 조직은 현재 기능 비용의 30%-45%라는 가장 중요한 생산성 향상을 실현할 수 있습니다. ​ 소비자 포장 및 제조부터 의료에 이르기까지 많은 조직이 이러한 4단계를 통해 Gen AI 애플리케이션을 식별하는 데 성공했다고 McAfee는 말합니다. ​ “성공이란 잠재적인 큰 이점을 어디에서 찾을 수 있는지 더 명확하게 파악하는 것을 의미합니다.”라고 그는 덧붙였습니다. “고객들이 이제 다음에 어디로 가야할지 아이디어를 얻었다고 말하는 것을 계속해서 봅니다. 회사의 다른 우선순위 때문에 기회 1번을 추구하지 않을 수도 있지만 경영진과 함께 그 중에서 선택하고 선택할 수 있으며 이러한 명확성은 도움이 됩니다.” ​